Pilvipohjaisen laskentasovelluksen toteutus Linux-ympäristössä

Abstract

Opinnäytetyön aiheena oli pilvipohjaisen laskentasovelluksen toteutus Linux-ympäristössä. Tavoitteena oli kehittää pilvityyppinen ohjelmisto- ja laiteympäristö algoritmilaskentaan ja luoda laskentasovellus, joka opettaa neuroverkon laskemaan parametreja syötetyn datan perusteella. Työn toimeksiantajana toimi Nokia Oyj.

Toteutus alkoi teoriatiedon kokoamisella pilvipalveluista, klusterin toteutusvaihtoehdoista ja neuroverkoista. Teoriatiedon pohjalta päätettiin sopiva toteutusvaihtoehto klusterin rakentamiseen Linux-käyttöjärjestelmälle. Testausympäristö rakennettiin yrityksen tuotannossa sijaiseviin laboratoriotiloihin. Viimeisenä vaiheena luotiin laskentasovellus TensorFlow-ympäristöä hyödyntäen.

Opinnäytetyön lopputuloksena saatiin ohjelmisto- ja laiteympäristö pystytettyä ja sen toimivuus testattua. Yritys pystyy hyödyntämään klusteria useisiin käyttökohteisiin sen laskentatehon ja skaalautuvuuden ansiosta. Laskentasovellus saatiin luotua ja neuroverkko oppi hyvin muodostamaan muuttujien epälineaariset riippuvuussuhteet havaintoaineistosta. Ohjelmassa käytettiin tuotannossa syntyvää prosessi- ja testidataa ja neuroverkon avulla muodostettiin yhteyksiä näiden välille.

The subject of this thesis was a cluster computation and neural network development. The goal was to develop a cloud type software and hardware environment to algorithm computation. In addition, the objectives included creating application that teaches the neural network to calculate parameters based on input data. The work was commissioned by Nokia Oyj.

The implementation of this thesis began with compiling theoretical knowledge of cloud computing, computer cluster and neural networks. On the basis of theoretical knowledge was chosen a suitable implementation option for building a cluster in a Linux operating system. The testing environment was built in the laboratory located in the company’s production. Finally a computing application was created utilizing the TensorFlow environment.

As a result of this thesis, the software and hardware environment was successfully completed and its functionality tested. The company can utilize the cluster for a variety uses due to its computing power and scalability. Computational application was created and neural network learned well to form nonlinear dependencies of the variables from the observational data. The program utilized process and test data from production and the neural network created connections between them.